OpenAI представила первую ИИ-модель на базе чипов Cerebras

OpenAI сделала стратегический ход в направлении технологической независимости: компания представила GPT-5.3-Codex-Spark — первую модель искусственного интеллекта, разработанную специально для работы на чипах Cerebras Systems. Это не просто новый продукт, а демонстрация того, что OpenAI готова диверсифицировать свои аппаратные партнёрства и снизить зависимость от Nvidia, доминирующей в рынке AI-ускорителей. Codex-Spark позиционируется как оптимизированная версия известного инструмента Codex для автоматизации написания кода — с одной стороны, более лёгкая в работе, с другой, значительно более быстрая в выполнении задач. Запуск модели совпадает с обострением конкуренции в сегменте AI-помощников для разработчиков, где OpenAI противостоит Google Gemini и Claude от Anthropic.

Контекст этого решения заключается в растущих системных ограничениях, с которыми столкнулась OpenAI. Компания глобально скупает GPU Nvidia, но это создаёт уязвимость: в любой момент поставки могут быть ограничены, цены могут вырасти, а Nvidia может ввести собственные условия. Cerebras Systems предлагает альтернативу с собственной архитектурой WSE (Wafer Scale Engine) — чипом, который разработан иначе и обеспечивает другой баланс между пропускной способностью и энергоэффективностью. Для OpenAI это стратегическая необходимость: расширение источников производительности означает более устойчивую позицию на рынке и меньшую уязвимость перед внешними факторами.

GPT-5.3-Codex-Spark — это не полностью новая модель, а оптимизированная версия Codex, специально адаптированная под особенности чипов Cerebras. Это важное техническое решение: разные архитектуры требуют разных подходов к распределению памяти, распараллеливанию вычислений и кэшированию данных. OpenAI инженеры переделали структуру модели так, чтобы она максимально эффективно использовала конкретную топологию Cerebras. Результат — заметное ускорение работы без потери точности в генерации кода. Для разработчиков это означает более быстрый feedback loop: запрос на автодополнение кода будет выполняться с минимальной задержкой, что критично для экосистемы IDE и continuous development.

Размер и вес модели тоже сыграли роль в этой оптимизации. Codex-Spark позиционируется как "лёгкая" версия, что позволяет быстрее загружать модель в память и снижает требования к пропускной способности сети. В мире, где каждая миллисекунда задержки влияет на пользовательский опыт, это имеет значение. Особенно в контексте конкуренции: Google Gemini и Claude уже предлагают встроенные инструменты для работы с кодом, но скорость их работы часто критикуют разработчики. Codex-Spark может перехватить часть этой аудитории, если действительно будет быстрее, при этом сохраняя высокую точность предложений.

Это движение отражает более широкий тренд в индустрии: монополия Nvidia в GPU неустойчива и все крупные плеяры начинают искать альтернативы. Apple разработала свои Neural Engine, Google инвестировала в TPU, Amazon создаёт Trainium и Inferentia. OpenAI, будучи разработчиком модели, а не производителем чипов, выбрала другой путь: партнёрство с Cerebras позволяет ей оставаться гибкой и не привязываться к одному поставщику.

Запуск Codex-Spark знаменует начало нового этапа в стратегии OpenAI — не только создавать лучшие модели, но и обеспечивать их работу на разнообразном оборудовании. Это усложняет жизнь конкурентам, которые всё ещё зависят от стандартного железа, и укрепляет позицию OpenAI на рынке AI-инструментов для разработчиков. Вопрос теперь в том, насколько эффективно эта стратегия будет работать на практике и сможет ли Cerebras масштабировать свои чипы достаточно быстро для растущего спроса.